RやPythonで潜在クラス分析（Latent Class Analysis：LCA）を実行できるパッケージが増えてきたので簡単にまとめました。実際にLCAが実行できることを確認できたもののみを表に含めています。
（2023年8月時点）
Rのパッケージ
| パッケージ名 | 観測変数として扱えるデータの種類 | 共変量（covariates） の投入 |
Distal Outcomes の投入 |
備考 |
|---|---|---|---|---|
| poLCA | カテゴリカル（3値以上も可） | 可 | 不可 | ・多くの論文で使用された実績がある |
| randomLCA | 2値データ（0/1）のみ | 不可 | 不可 |
・BLRT（Bootstrapped Likelihood Ratio Test）が使える |
| multilevLCA | カテゴリカル（3値以上も可） | 可 | 不可 | ・マルチレベルLCのモデリングが可能 ・BICを基準にしたクラス数の提案をしてくれる |
| depmixS4 | カテゴリカル（3値以上も可）、連続変数も可 | 可 | ？ | ・そもそもHMM用に作られたパッケージで、LTA（latent Transition Analysis）の一部としてLCAを計算するため、変数名等がLCAとは異なっていることに注意が必要。 ・詳しい使い方は Ways to do Latent Class Analysis in R が参考になる |
| tidySEM | カテゴリカル（3値以上も可） | ？（Open MXの使い方次第で可能なのかもしれないが不明） | 可（BCH Correction） | ・OpenMXパッケージのwrapperとして機能する ・詳細は tidySEM を参照 |
Pythonのパッケージ
| パッケージ名 | 観測変数として扱えるデータの種類 | 共変量（covariates） の投入 |
Distal Outcomes の投入 |
備考 |
|---|---|---|---|---|
| Stepmix | カテゴリカル（3値以上も可） | 可 | 可（BCH Correction、ML Correction） | ・公開されたばかりで実績が少ないが、様々なケースに対応した分析が可能 ・解説やチュートリアルが充実している |